توضیحات
Originally formulated for two-class classification problems, support vector machines (SVMs) are now accepted as powerful tools for developing pattern classification and function approximation systems. Recent developments in kernel-based methods include kernel classifiers and regressors and their variants, advancements in generalization theory, and various feature selection and extraction methods.
Providing a unique perspective on the state of the art in SVMs, with a particular focus on classification, this thoroughly updated new edition includes a more rigorous performance comparison of classifiers and regressors. In addition to presenting various useful architectures for multiclass classification and function approximation problems, the book now also investigates evaluation criteria for classifiers and regressors.
Topics and Features:
- Clarifies the characteristics of two-class SVMs through extensive analysis
- Discusses kernel methods for improving the generalization ability of conventional neural networks and fuzzy systems
- Contains ample illustrations, examples and computer experiments to help readers understand the concepts and their usefulness
- Includes performance evaluation using publicly available two-class data sets, microarray sets, multiclass data sets, and regression data sets (NEW)
- Examines Mahalanobis kernels, empirical feature space, and the effect of model selection by cross-validation (NEW)
- Covers sparse SVMs, an approach to learning using privileged information, semi-supervised learning, multiple classifier systems, and multiple kernel learning (NEW)
- Explores incremental training based batch training and active-set training methods, together with decomposition techniques for linear programming SVMs (NEW)
- Provides a discussion on variable selection for support vector regressors (NEW)
An essential guide on the use of SVMs in pattern classification, this comprehensive resource will be of interest to researchers and postgraduate students, as well as professional developers.
Dr. Shigeo Abe is a Professor at Kobe University, Graduate School of Engineering. He is the author of the Springer titles Neural Networks and Fuzzy Systems and Pattern Classification: Neuro-fuzzy Methods and Their Comparison.
————————————————————–
ترجمه ماشینی :
که در ابتدا برای مشکلات طبقه بندی دو طبقه فرموله شده است ، دستگاه های بردار پشتیبانی (SVM) اکنون به عنوان ابزاری قدرتمند برای توسعه طبقه بندی الگوی و سیستم های تقریبی عملکرد پذیرفته شده اند. تحولات اخیر در روشهای مبتنی بر هسته شامل طبقه بندی کننده های هسته و رگرسیون و انواع آنها ، پیشرفت در تئوری عمومی سازی و روشهای مختلف انتخاب و استخراج ویژگی ها است. از هنر در SVM ها ، با تمرکز ویژه بر طبقه بندی ، این نسخه جدید کاملاً به روز شده شامل مقایسه عملکرد دقیق تری از طبقه بندی ها و رگرسیونرها است. این کتاب علاوه بر ارائه معماری های مختلف مفید برای طبقه بندی چند طبقه و مشکلات تقریب عملکرد ، معیارهای ارزیابی طبقه بندی کننده ها و رگرسیونرها را نیز بررسی می کند. Strong>
- ویژگی های SVM های دو طبقه را از طریق تجزیه و تحلیل گسترده روشن می کند
- در مورد روشهای هسته برای بهبود توانایی تعمیم شبکه های عصبی معمولی و سیستم های فازی بحث می کند
- شامل تصاویر کافی ، نمونه ها و آزمایش های رایانه ای برای کمک به خوانندگان در درک مفاهیم و سودمندی آنها < /li>
- شامل ارزیابی عملکرد با استفاده از مجموعه داده های دو کلاس در دسترس عموم ، مجموعه های ریزآرایی ، مجموعه داده های چند طبقه و مجموعه داده های رگرسیون (جدید) < /li>
- هسته های Mahalanobis ، فضای ویژگی های تجربی و تأثیر انتخاب مدل را با اعتبارسنجی متقاطع (جدید)
- SVM های پراکنده ، رویکردی برای یادگیری با استفاده از اطلاعات ممتاز ، یادگیری نیمه تحت نظارت ، سیستم های طبقه بندی چندگانه و یادگیری هسته چندگانه (جدید)
- به بررسی آموزش های دسته ای مبتنی بر آموزش و روشهای آموزش فعال ، همراه با تکنیک های تجزیه برای برنامه نویسی خطی SVM (جدید)
- بحث در مورد انتخاب متغیر برای رگرسیونرهای بردار پشتیبانی (جدید)
را ارائه می دهد.
یک راهنمای اساسی در مورد استفاده از SVM ها در طبقه بندی الگوی ، این منبع جامع مورد توجه محققان و دانشجویان تحصیلات تکمیلی و همچنین توسعه دهندگان حرفه ای خواهد بود. > دکتر Shigeo Abe استاد دانشگاه کوبه ، دانشکده مهندسی فارغ التحصیل است. او نویسنده عناوین Springer شبکه های عصبی و سیستم های فازی و طبقه بندی الگوی: روش های عصبی-فازی و مقایسه آنها .
tag : دانلود کتاب پشتیبانی از ماشین های برداری برای طبقه بندی الگوها , Download پشتیبانی از ماشین های برداری برای طبقه بندی الگوها , دانلود پشتیبانی از ماشین های برداری برای طبقه بندی الگوها , Download Support vector machines for pattern classification Book , پشتیبانی از ماشین های برداری برای طبقه بندی الگوها دانلود , buy پشتیبانی از ماشین های برداری برای طبقه بندی الگوها , خرید کتاب پشتیبانی از ماشین های برداری برای طبقه بندی الگوها , دانلود کتاب Support vector machines for pattern classification , کتاب Support vector machines for pattern classification , دانلود Support vector machines for pattern classification , خرید Support vector machines for pattern classification , خرید کتاب Support vector machines for pattern classification ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.